Durante décadas, la investigación ha demostrado que nuestra percepción del mundo está influenciada por nuestras expectativas. Estas expectativas, también llamadas "creencias previas", nos ayudan a dar sentido a lo que percibimos en el presente, basándonos en experiencias pasadas similares. Considere, por ejemplo, cómo una sombra en la imagen de rayos X de un paciente, que fácilmente pasa por alto un interno con menos experiencia, llama la atención de un médico experimentado. La experiencia previa del médico le ayuda a llegar a la interpretación más probable de una señal débil.
El proceso de combinar conocimiento previo con evidencia incierta se conoce como integración bayesiana y se cree que impacta ampliamente nuestras percepciones, pensamientos y acciones. Ahora, los neurocientíficos del MIT han descubierto señales cerebrales distintivas que codifican estas creencias previas. También han descubierto cómoel cerebro utiliza estas señales para tomar decisiones acertadas frente a la incertidumbre.
"La forma en que estas creencias influyen en la actividad cerebral y sesgan nuestras percepciones era la pregunta que queríamos responder", dice Mehrdad Jazayeri, profesor de desarrollo profesional de ciencias biológicas Robert A. Swanson, miembro del Instituto McGovern de Investigación del Cerebro del MIT,y el autor principal del estudio.
Los investigadores entrenaron animales para realizar una tarea de sincronización en la que tenían que reproducir diferentes intervalos de tiempo. Realizar esta tarea es un desafío porque nuestro sentido del tiempo es imperfecto y puede ir demasiado rápido o demasiado lento. Sin embargo, cuando los intervalos están consistentemente dentro de unrango fijo, la mejor estrategia es sesgar las respuestas hacia la mitad del rango. Esto es exactamente lo que hicieron los animales. Además, el registro de neuronas en la corteza frontal reveló un mecanismo simple para la integración bayesiana: la experiencia previa deformaba la representación del tiempo en elcerebro de modo que los patrones de actividad neuronal asociados con diferentes intervalos se sesgaron hacia aquellos que estaban dentro del rango esperado.
El posdoctorado del MIT Hansem Sohn, el ex posdoctorado Devika Narain y el estudiante graduado Nicolas Meirhaeghe son los autores principales del estudio, que aparece en la edición del 15 de julio de neurona .
Listo, listo, listo
Los estadísticos han sabido durante siglos que la integración bayesiana es la estrategia óptima para manejar información incierta. Cuando no estamos seguros de algo, automáticamente confiamos en nuestras experiencias previas para optimizar el comportamiento.
"Si no puede saber qué es algo, pero de su experiencia previa tiene alguna expectativa de lo que debería ser, entonces usará esa información para guiar su juicio", dice Jazayeri. "Hacemos todo estoel tiempo."
En este nuevo estudio, Jazayeri y su equipo querían comprender cómo el cerebro codifica creencias previas y utilizar esas creencias en el control de la conducta. Con ese fin, los investigadores entrenaron a los animales para reproducir un intervalo de tiempo mediante una tareallamado "listo-listo-listo". En esta tarea, los animales miden el tiempo entre dos destellos de luz "listo" y "listo" y luego generan una señal de "listo" haciendo una respuesta retardada después de la misma cantidad de tiempoha transcurrido.
Entrenaron a los animales para realizar esta tarea en dos contextos. En el escenario "Corto", los intervalos variaban entre 480 y 800 milisegundos, y en el contexto "Largo", los intervalos estaban entre 800 y 1200 milisegundos. Al comienzo deltarea, los animales recibieron la información sobre el contexto a través de una señal visual y, por lo tanto, supieron esperar intervalos del rango más corto o más largo.
Jazayeri había demostrado previamente que los humanos que realizan esta tarea tienden a sesgar sus respuestas hacia la mitad del rango. Aquí, encontraron que los animales hacen lo mismo. Por ejemplo, si los animales creyeran que el intervalo sería corto y se les dio un intervalode 800 milisegundos, el intervalo que produjeron fue un poco más corto de 800 milisegundos. Por el contrario, si creían que sería más largo y se les dio el mismo intervalo de 800 milisegundos, produjeron un intervalo un poco más largo de 800 milisegundos.
"Pruebas que eran idénticas en casi todas las formas posibles, excepto la creencia del animal, condujeron a comportamientos diferentes", dice Jazayeri. "Esa fue una evidencia experimental convincente de que el animal se basa en su propia creencia".
Una vez que establecieron que los animales se basaban en sus creencias previas, los investigadores se propusieron descubrir cómo el cerebro codifica las creencias previas para guiar el comportamiento. Registraron la actividad de unas 1.400 neuronas en una región de la corteza frontal, que habían previamentemostrado está involucrado en el tiempo.
Durante la época "lista para usar", el perfil de actividad de cada neurona evolucionó a su manera, y alrededor del 60 por ciento de las neuronas tenían diferentes patrones de actividad según el contexto Corto versus Largo. Para entender estas señales, los investigadores analizaron la evolución de la actividad neuronal en toda la población a lo largo del tiempo y encontraron que las creencias previas sesgan las respuestas conductuales al deformar la representación neuronal del tiempo hacia la mitad del rango esperado.
conocimiento integrado
Los investigadores creen que las experiencias previas cambian la fuerza de las conexiones entre las neuronas. La fuerza de estas conexiones, también conocidas como sinapsis, determina cómo las neuronas actúan unas sobre otras y limita los patrones de actividad que puede generar una red de neuronas interconectadas. El hallazgoque las experiencias previas deforman los patrones de actividad neuronal proporciona una ventana a cómo la experiencia altera las conexiones sinápticas. "El cerebro parece incrustar experiencias previas en las conexiones sinápticas de modo que los patrones de actividad cerebral estén apropiadamente sesgados", dice Jazayeri.
Como prueba independiente de estas ideas, los investigadores desarrollaron un modelo informático que constaba de una red de neuronas que podían realizar la misma tarea lista para usar. Utilizando técnicas tomadas del aprendizaje automático, pudieron modificar las conexiones sinápticas ycrear un modelo que se comporte como los animales.
Estos modelos son extremadamente valiosos ya que proporcionan un sustrato para el análisis detallado de los mecanismos subyacentes, un procedimiento que se conoce como "ingeniería inversa". Sorprendentemente, la ingeniería inversa del modelo reveló que resolvió la tarea de la misma manera que elel cerebro de los monos. El modelo también tenía una representación deformada del tiempo de acuerdo con la experiencia previa.
Los investigadores utilizaron el modelo informático para diseccionar aún más los mecanismos subyacentes mediante experimentos de perturbación que actualmente son imposibles de realizar en el cerebro. Con este enfoque, pudieron demostrar que deshacer las representaciones neuronales elimina el sesgo en el comportamiento. Este importanteEl hallazgo validó el papel crítico de la deformación en la integración bayesiana del conocimiento previo.
Los investigadores ahora planean estudiar cómo el cerebro construye y ajusta lentamente las conexiones sinápticas que codifican creencias previas mientras un animal está aprendiendo a realizar la tarea de sincronización.
La investigación fue financiada por el Centro de Ingeniería Neural Sensorimotora, la Organización Científica de los Países Bajos, la Beca de Reintegración Marie Sklodowska Curie, los Institutos Nacionales de Salud, la Fundación Sloan, la Fundación Klingenstein, la Fundación Simons, la Fundación McKnight y laInstituto McGovern.
Fuente de la historia :
Materiales proporcionado por Instituto de Tecnología de Massachusetts . Original escrito por Anne Trafton. Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :